Question

我正在寻找一种从Word文件中提取/抓取数据到数据库的方法。我们的公司程序与MS Word文件中记录的客户会议纪要，主要是由于历史和惯性。

我希望能够将这些会议记录中的操作项目提取到数据库中，以便我们可以从Web界面访问它们，将它们转换为任务并在完成后更新它们。

这是最好的方法：

从Word内部的VBA宏创建CSV然后上传到数据库？
Word中与VBA连接的VBA宏（如何从VBA连接到MySQL？）
Python脚本通过win32com然后上传到DB？

最后一个对我很有吸引力，因为网页界面是用Django构建的，但是我从未使用过win32com或尝试过使用python脚本编写Word。

编辑：我开始使用VBA提取文本，因为这样可以更轻松地处理Word对象模型。我遇到了一个问题 - 所有文本都在表格中，当我将字符串拉出我想要的CELLS时，我会在每个字符串的末尾得到一个奇怪的小方块字符。我的代码如下：

sFile = "D:\temp\output.txt"
fnum = FreeFile
Open sFile For Output As #fnum

num_rows = Application.ActiveDocument.Tables(2).Rows.Count

For n = 1 To num_rows
    Descr = Application.ActiveDocument.Tables(2).Cell(n, 2).Range.Text
    Assign = Application.ActiveDocument.Tables(2).Cell(n, 3).Range.Text
    Target = Application.ActiveDocument.Tables(2).Cell(n, 4).Range.Text
    If Target = "" Then
        ExportText = ""
    Else
        ExportText = Descr & Chr(44) & Assign & Chr(44) & _
            Target & Chr(13) & Chr(10)
        Print #fnum, ExportText
    End If
Next n

Close #fnum

小控制字符框有什么用？某些字符代码是否来自Word？

Answer 1

Word有一个小标记，它放在表格中每个文本单元格的末尾。

它的使用方式与段落中的段落标记一样：用于存储整个段落的格式。

只需使用Left（）函数将其剥离，即

 Left(Target, Len(Target)-1))

顺便说一句，而不是

 num_rows = Application.ActiveDocument.Tables(2).Rows.Count
 For n = 1 To num_rows
      Descr = Application.ActiveDocument.Tables(2).Cell(n, 2).Range.Text

试试这个：

 For Each row in Application.ActiveDocument.Tables(2).Rows
      Descr = row.Cells(2).Range.Text

Answer 2

好吧，我从来没有编写Word脚本，但使用win32com做简单的事情很容易。类似的东西：

from win32com.client import Dispatch
word = Dispatch('Word.Application')
doc = word.Open('d:\\stuff\\myfile.doc')
doc.SaveAs(FileName='d:\\stuff\\text\\myfile.txt', FileFormat=?)  # not sure what to use for ?

这是未经测试的，但我认为这样的事情只会打开文件并将其保存为纯文本（假设您可以找到正确的文件格式） - 然后您可以将文本读入python并从那里操作它。也许有一种方法可以直接获取文件的内容，但我不知道它是什么;文档可能很难找到，但如果你有VBA文档或经验，你应该能够将它们传播。

不久前看一下这篇文章：http://mail.python.org/pipermail/python-list/2002-October/168785.html向下滚动到COMTools.py;那里有一些很好的例子。

您还可以运行makepy.py（pythonwin发行版的一部分）为可用的COM函数生成python“签名”，然后将其作为一种文档进行查看。

Answer 3

您可以使用OpenOffice。它可以打开word文件，也可以运行python宏。

Answer 4

我会说看右边的相关问题 - ＆gt; top one似乎对于走python路线有一些好主意。

Answer 5

如何将文件保存为xml。然后使用python或其他东西，将数据从单词中拉出并进入数据库。

Answer 6

可以以编程方式将Word文档另存为HTML并导入Access中包含的表。这需要很少的努力。

从MS Word中提取数据

6 个答案: